《光伏功率预测技术研究的文献综述》4100字.docxVIP

PAGE14

光伏功率预测技术研究的文献综述

1.1国内研究现状

我国在光伏发电功率预测技术方面的研究起步虽晚，但进步迅速。相关研究也不断出现，赖安伟、陈正洪等人[1]利用WRF方式，考虑气象因素数据训练物理方向预测模型，此模型是我国很多省预测短时间内的输出功率值时使用的主流方法。宁康红[2]等人使用极限学习机算法来训练模型，选取相似日样本来消除天气类型的影响，大幅优化了预测结果。代倩等人[3]以实际功率和环境因子之间的欧式距离来代表因子间的相似程度，把温度和湿度作为预测的输入变量，结合神经网络、SOM算法进行预测。毛建荣等人[4]则使用聚类的方法来选择预测日相应相似日，结合SVM训练预测模型，大大提高了预测准确率。史佳琪，张建华[5]在预测时引入人工智能技术，介绍了一种基于深度结构网络的新型光伏发电功率的预测模型，采用BP神经网络算法对光伏网络结构进行监督学习，增强预测过程的可控性和预测结果的深度。贺衬心等人[6]基于大量光伏电站功率历史资料数据，采用数据纵向匹配的思路，结合当地时间、气象情况等构建了条件系数曲线和历史功率输出的综合曲线，根据未来一段时间的相关的条件因素变化趋势来进行光伏功率预测。丁坤，丁汉祥等人[7]不断挖掘光伏发展历史运行数据信息量，提出利用提升小波-BP神经网络模型对光伏功率的预测，通过不断修改神经网络算法隐藏层层数来提高功率的预测精度。丁明，王